topic_spider/zgztb_cookie/setting.py

# -*- coding: utf-8 -*-
"""爬虫配置文件"""
import os
import sys

# MONGODB
MONGO_IP = "172.17.4.87"
MONGO_PORT = 27080
MONGO_DB = "py_spider"

# REDIS
# ip:port 多个可写为列表或者逗号隔开 如 ip1:port1,ip2:port2 或 ["ip1:port1", "ip2:port2"]
REDISDB_IP_PORTS = "172.17.162.28:7361"
REDISDB_USER_PASS = "k5ZJR5KV4q7DRZ92DQ"
REDISDB_DB = 2

# 数据入库的pipeline，可自定义，默认MongoPipeline
ITEM_PIPELINES = [
    "feapder.pipelines.mongo_pipeline.MongoPipeline",
]
EXPORT_DATA_MAX_FAILED_TIMES = 5  # 导出数据时最大的失败次数，包括保存和更新，超过这个次数报警
EXPORT_DATA_MAX_RETRY_TIMES = 5  # 导出数据时最大的重试次数，包括保存和更新，超过这个次数则放弃重试

# SPIDER
SPIDER_MAX_RETRY_TIMES = 5  # 每个请求最大重试次数
REQUEST_TIMEOUT = 10

# 浏览器渲染
WEBDRIVER = dict(
    server_addr="http://172.17.162.28:6666/wd/hub",  # selenium 远程服务地址
    version="",  # 浏览器版本。不指定版本时，随机分发，版本详见群公告
    pool_size=1,  # 浏览器的数量
    load_images=False,  # 是否加载图片
    user_agent=None,  # 字符串 或 无参函数，返回值为user_agent
    headless=True,  # 是否为无头浏览器
    usages_local_driver=True,  # 是否使用本地驱动，默认启动本地驱动
    proxy=None,  # xxx.xxx.xx.xxx:xxxx 或 无参函数，返回值为代理地址
    driver_type="FIREFOX",  # CHROME、FIREFOX
    timeout=30,  # 请求超时时间
    executable_path=None,  # 浏览器路径，默认为默认路径
    window_size=(1280, 800),  # 窗口大小
    render_time=0,  # 渲染时长，即打开网页等待指定时间后再获取源码
    custom_argument=["--ignore-certificate-errors"],  # 自定义浏览器渲染参数
    service_log_path=os.devnull  # 日志路径，默认置空
)

ITEM_FILTER_ENABLE = True  # item 去重
ITEM_FILTER_SETTING = dict(
    filter_type=5,  # redis去重
    expire_time=2592000,  # 过期时间1个月
    redis_url='redis://default:k5ZJR5KV4q7DRZ92DQ@172.17.162.34:8361/0'
)

# 设置代理
PROXY_EXTRACT_API = "http://proxy.spdata.jianyu360.com/proxy/getallip"  # 代理提取API ，返回的代理分割符为\r\n
PROXY_ENABLE = True

LOG_NAME = os.path.split(sys.argv[0])[-1].split(".")[0]
LOG_PATH = "logs/%s.log" %(LOG_NAME)  # log存储路径
LOG_LEVEL = "INFO"
LOG_COLOR = True  # 是否带有颜色
LOG_IS_WRITE_TO_CONSOLE = True  # 是否打印到控制台
LOG_IS_WRITE_TO_FILE = True  # 是否写文件
LOG_MODE = "a"  # 写文件的模式
LOG_MAX_BYTES = 10 * 1024 * 1024  # 每个日志文件的最大字节数
LOG_BACKUP_COUNT = 2  # 日志文件保留数量
LOG_ENCODING = "utf8"  # 日志文件编码
OTHERS_LOG_LEVAL = "ERROR"  # 第三方库的log等级

JIANYU_PROXY_URL = 'http://cc.spdata.jianyu360.com/crawl/proxy/socks5/fetch'
JIANYU_PROXY_AUTHOR = 'Basic amlhbnl1MDAxOjEyM3F3ZSFB'
JIANYU_SPLASH_URL = "http://splash.spdata.jianyu360.com/render.json"